Alibaba logo
阿里巴巴
千问事业部-领域数据高级专家-杭州

千问事业部-领域数据高级专家-杭州

发布于 4 小时前

普通员工/个人贡献者

AI 估算 · 3.5–6.0万 · AI 参考估算
中级经验
学历未注明
全职员工仅现场办公数据科学
数据科学
Ai Agent
Nlp
Rag
向量检索
大模型 (Llm)
数据分析
数据工程
知识图谱
质量控制

值不值得投

80综合评分

综合评分 80

顶尖大厂核心AI数据岗,技术前沿性强,发展机会极佳,但工作强度可能较高

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

4.8万

与数据科学中位数基本持平

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 4820 个在招 · 其中数据科学 23 个

市场机会

选择适中

杭州 · 数据科学 · 31 个在招

职位详情

关于这个职位

负责千问智能助手领域的AI/Agent化数据建设,定义并优化多维数据质量模型

主导构建从知识抽取、清洗到评估的全流程Agent体系,推动数据流水线自动化升级,提升数据在RAG及智能问答场景中的可用性与检索效率

最低要求

{丰富的垂直领域数据建设、知识工程或数据资产化经验,其中至少1-2年在大模型、AI产品或RAG/智能问答场景有实质数据供给沉淀,完整主导过行业知识体系或数据平台从0到1建设者优先

,具备agent/LLM应用的实际建设经验:熟悉agentloop、工具调用、上下文工程、知识抽取、RAG中至少两个方向,能独立完成从设计到落地的关键攻坚
,工程与算法复合背景:熟悉NLP、知识图谱、向量化与语义索引、大模型微调或RAG等技术,能独立设计并优化面向检索与问答的知识组织方式
,具备扎实的数据分析与业务理解能力,能从下游消费需求出发定义数据指标、驱动收录策略与产品迭代
,对AI时代数据供给与知识组织的演进方向有自己的判断和决策,有把数据建设规模agent化、并跑出可量化业务收益的成功案例
}

工作职责

{面向智能助手(千问智能助手)产品的领域数据供给,主导数据建设的AI/Agent化升级,定义AI时代'什么是好的领域数据'

,定义领域数据的质量范畴:从传统'知识覆盖率'升级为覆盖度×时效性×可信度×可检索性×可引证性的多维供给质量模型,对齐下游RAG、智能问答、agent决策的真实消费需求
,建立数据供给的度量与评估体系,从用户需求匹配度、竞品对比、绝对知识覆盖等角度量化评估,用指标而非直觉驱动收录策略的持续优化
,主导知识缺口发现机制,把缺口识别从人工盘点升级为可自动观测、可回流触发补充的闭环
,数据体系建设agent、知识抽取agent、清洗与标注agent、质量评估agent,覆盖从数据获取到入库供给的全流程,把'人做的数据工程判断'外化为可复用、可评估、可回归的agent能力
,推动数据流水线从人工/半自动向智能自动化迁移,把agent挂进真实数据生产环节并产出可量化的效率与准确性收益
深入分析多源异构数据,构建面向高效检索与智能问答的知识组织方式,提升数据在下游agent消费中的可用性、可检索性与价值转化
,作为领域技术带头人,沉淀可复用的方法论、标准与工具资产,推动数据工程团队向'数据+AI/Agent'复合能力转型
}

AI 洞察

优缺点分析

优点

  • 身处AI前沿赛道,接触最前沿的大模型与Agent技术栈
  • 拥有海量数据资源与顶级算力支持
  • 职业天花板高,易积累稀缺的行业影响力
  • 技术迭代极快,需保持高强度学习
  • 跨部门协作复杂,需极强的推动力
  • 适合对AI底层逻辑有深刻理解、具备极强工程落地能力且渴望在前沿技术领域深耕的技术专家

缺点 / 挑战

  • 需平衡技术创新与业务落地效果,压力较大

角色解读

  • 可向AI数据架构师、领域技术负责人或AI产品战略专家方向发展,成为连接数据工程与大模型应用的桥梁型人才
  • 负责千问智能助手领域的底层数据供给体系建设,定义高质量数据标准
  • 精通AI Agent开发、RAG架构、知识图谱及NLP技术,具备从0到1搭建数据平台的实战经验

申请策略

  • 准备详细的项目案例,重点阐述如何解决数据质量、知识抽取准确率等核心痛点,体现技术深度与业务价值的结合
  • 突出展示在大模型数据供给、RAG系统优化或Agent自动化工作流方面的具体项目成果,强调量化收益(如效率提升百分比)
  • 深化对LangChain/LlamaIndex等框架的理解,加强向量数据库与语义搜索技术的实战应用能力

面试指南

  • 采用STAR法则(情境、任务、行动、结果)描述项目经历,重点突出技术选型的理由、遇到的瓶颈及解决方案、最终带来的业务价值
  • 请分享一个你主导的从0到1的数据平台建设案例,遇到的最大挑战是什么?
  • 如何评估和优化RAG系统的召回率与准确率?
  • 在设计Agent工作流时,如何处理幻觉问题并确保输出的可控性?
  • 如何看待未来数据工程向Agent化转型的趋势?
  • 复习RAG核心技术原理、向量检索算法及最新的大模型Agent架构论文
  • 梳理过往项目中关于数据治理和质量控制的细节

职位点评

薪资福利85
成长发展95
工作生活50
使命价值80

薪资福利

85较高

作为上市巨头的高阶技术岗位,提供具有竞争力的薪酬包和完善的福利体系,满足度高。

薪资信号偏高 (3.5千–6.0万/月)

成长发展

95较高

处于AI技术最前沿,涉及Agent、RAG等新兴领域,技术成长空间巨大,职业发展路径清晰。

技术前沿前沿/新兴技术
技术栈AI Agent、RAG、LLM、Knowledge Graph、NLP、Vector Search
成长机会主导数据建设的AI/Agent化升级、推动数据工程团队向'数据+AI/Agent'复合能力转型
业务类型profit_center

工作生活

50较低

互联网大厂核心研发岗位,通常工作节奏较快,JD未提及弹性工作制,WLB可能面临挑战。

工作模式未明确
办公地点市区核心地段
加班情况未提及(无法判断)

使命价值

80较高

致力于构建高质量的AI数据基础设施,推动智能助手技术进步,具有显著的行业创新价值和社会意义。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号定义AI时代'什么是好的领域数据'、推动数据工程团队向'数据+AI/Agent'复合能力转型
创新程度开拓性创新(行业首创)

阿里巴巴 的其他在招职位

相似职位推荐

Watch Jobs